Анализ методов расчета транспортного потока

Размещено на http://www.allbest.ru/

Анализ методов расчета транспортного потока

Д.К. Кушалиев, преподаватель

Западно-Казахстанский аграрно-технический университет имени Жангир хана

Первые годы третьего тысячелетия характеризуется неуклонным ростом автомобильных перевозок. В настоящее время автомобильный транспорт обеспечивает большой объем перевозок во всех сферах человеческой деятельности.

Автомобильные перевозки являются практически неотъемлемой частью транспортного процесса всех других видов транспорта, так как подвоз пассажиров и грузов к железнодорожным станциям, водным и воздушным портам и от них обеспечивается в основном автомобилями.

Следует отметить, что и ежегодно парк автотранспортных средств Республики Казахстан значительно увеличивается. Например, в течение 2005 года парк транспортных средств республики вырос на 14 %. При этом за прошлый год количество транспортных средств иностранного производства увеличилось на 52 %. Общее количество автотранспортных средств, которые зарегистрированы в стране на 1 января 2006 года, составило более 1808 тысяч единиц. Около 78 % парка транспортных средств это легковые автомобили [1]. дорожный транспортный безопасность

Работы по созданию моделей и алгоритмов расчета параметров светофорного регулирования начали активно исследоваться, начиная с 60-х годов, наиболее интенсивно в Великобритании и отчасти в США и Японии. Это объясняется тем, что потери от дорожно-транспортного происшествия (ДТП) в экономике некоторых развитых стран стали составлять существенную долю от ВВП (в среднем 23 % от внутреннего валового продукта) и в 1999 году экономические потери от ДТП в мире достигли 500 млрд. долл. В конце 80-х начале 90-х в США проблемы исследования транспортных систем были возведены в ранг проблем национальной безопасности. К решению этой задачи были привлечены лучшие "физические умы" и компьютерная техника Национальной исследовательской лаборатории Лос-Аламос - Los Alamos National Lab (LANL) [1].

Актуальность проблемы определяется ее недостаточной теоретической изученностью при новой доминанте требований к качеству управления дорожным движением в условиях увеличения интенсивности транспортных потоков в городах и требований к безопасности дорожного движения, что предполагает необходимость исследований применительно к конкретным дорожно-коммуникационным условиям. Организация дорожного движения в системе интегрированного управления транспортными потоками становится одним из ключевых вопросов внутренней региональной и государственной политики, стратегии в долгосрочном развитии транспортной системы города. Концепция развития транспортной системы на любом уровне поддерживается триединством: политики финансирования транспортно-коммуникационных процессов, государственной политики структурно-функционального управления организацией дорожного движения; уровнем технологического и технического обеспечения транспортной инфраструктуры.

Среди множества исследований того периода следует особо отметить, ставшую уже классической работу Вебстера (F.J. Webster) [2]. Он впервые ввел понятия потока насыщения, эффективной длительности зеленого сигнала, "потерянного" времени в цикле регулирования. Вебстер предложил при разгрузке очереди аппроксимировать реальную временную зависимость приведенной интенсивности прямоугольной. Причем в течение эффективного зеленого сигнала ТС (транспортные средства) убывают от перекрестка через промежутки времени, равные обратной величине потока насыщения. В работе Вебстера предполагается, что все ТС, обслуживаются в порядке их прибытия, и, что при разгрузке очереди скорость набирается мгновенно. Другим недостатком формулы Вебстера для средней задержки является ее детерминированность. Поэтому, данная методика в силу указанных причин может считаться как упрощенная методика расчета при жестком режиме светофорного регулирования на изолированном перекрестке, и, тем не менее, она до сих пор находит широкое применение в практике ОДД. Указанная методика довольно детально рассматривается в учебнике Ю.А. Кременца [3]. Миллером [4] было предложено другое аналитическое выражение для средней задержки, которое уже свободно от недостатка в виде детерминированного подхода, так как учитывает случайный характер этого параметра и использует вариацию интенсивности движения:

Q=

где I - интенсивность потока ТС;

s - пропускная способность перекрестка;

r и g - длительность красного и зеленого сигналов;

С - цикл светофорной сигнализации;

x - загрузка регулируемого направления;

I - вариация интенсивности потока.

Приближенный метод расчета задержек для транспортного потока с пачкообразной периодической интенсивностью был предложен Брайловским Н.О. [5,6], в котором следует рассматривать суммарную величину средней задержки Q из двух составляющих - детерминированной (Qдет) и случайной (Q сл). Аналитическое выражение имеет следующий вид:

Q=

где мв - периодическая функция времени t периода С и дисперсией d числа ТС, пребывающих в сечение перекрестка за период С;

t1 - момент разъезда очереди транспортных средств.

Автоматизация процесса управления дорожным движением. Любая система автоматизированного управления состоит из функциональной и обеспечивающих частей.

Обеспечивающая часть автоматизированной системы управления движением (АСУД) содержит: техническое обеспечение, математическое обеспечение, программное обеспечение, лингвистическое обеспечение, информационное обеспечение и организационно-методическое обеспечение.

Как следует из анализа, приведенного выше, решение задачи оптимального управления дорожным движением является крайне заманчивой, но математическая модель для этого решения найти чрезвычайно трудно. Однако, с Fuzzy логикой, - это сделать намного проще.

Регулятор имеет восемь датчиков-счетчиков (S1-S8), помещенных в специфические позиции как показано на рисунке.

Рисунок - Интеллектуальный регулятор светофора на базе Fuzzy - логики

Первый датчик позади каждого светофора считает количество автомобилей за перекрестком, а второй считает автомобили, направляющиеся к светофору. Количество автомобилей перед светофором определяется разностью результатов двух датчиков. Например, количество автомобилей перед светофором улицы Северной - s7-s8. Расстояние D, выбранное равным 200ft., используется, чтобы определить максимальную плотность автомобилей, допускаемую в переполненной ситуации. Для этого необходимо выполнить сложение количества автомобилей между направлениями движения и деление этого общего количества на расстояние. Например, количество автомобилей между условными улицами Восточной и Западной вычисляется так:

Затем начинается Fuzzy процесс, который использует три упомянутые ниже (fuzzyфикации, оценка управления и деfuzzyфикации).

Не останавливаясь в деталях на алгоритме управления, следует отметить, что тестирование контроллера показало, что Fuzzy-контроллер, пропустил на 31 % большее количество автомобилей, со средним временем ожидания на 5 % меньше, чем теоретический минимум стандартных контроллеров. Эффективность, которая также измерялась, оказалась на 72 % выше. Это и ожидалось. Однако, по сравнению с человеком-экспертом Fuzzy-контроллер пропустил на 14 % больше автомобилей с более коротким временем ожидания и Индекс эффективности на 36 % выше [7,8,9].

В объеме активного эксперимента планируется реализовать натурные исследования в форме видео и фотонаблюдений дорожных ситуаций с целью регистрации фактических транспортных потоков по следующим параметрам: состава и размеров потоков на различных участках (улично-дорожной сети) УДС, оценить изменения потоков во времени для выявления требований движения к планировке сети и организационных возможностей улучшения условий движения. В функцию наблюдателей входила сплошная запись государственных номерных знаков транспортных средств.

Пассивный эксперимент содержит сбор статистической информации из имеющейся научной и отчетной информации в органах управления дорожным движением и других организаций и учреждений. По результатам статистических исследований с использованием разработанных программных средств осуществляется компьютерный эксперимент. Раздел завершается оценкой экономической эффективности, проведенных исследований и окончательными выводами.

Таким образом, анализ методов расчета для транспортного потока показал, что объект управления представляет собой сложный, статистический нестационарный процесс. Проектирование системы управления транспортными потоками, оперативное управление уличным дорожным движением становиться малоэффективным без разработки прогнозных программируемых ситуационных решений на базе современных методов математического и компьютерного моделирования. Транспортные потоки в городских условиях представляют нестационарные, трудно формализуемые системы случайных процессов.

Литература

1. Семенов, В.В. Математическое моделирование динамики транспортных потоков мегаполиса / В.В. Семенов М. : ИПМ им. М.В. Келдыша РАН, 2004.

2. Studying the ebb and flow of stop-and-go; Los Alamos Lab using cold war tools to scrutinize traffic patterns alan sipress washington post staff writer, Thursday, August 5, 1999, www.science.com

3. Кременец, Ю.А. Технические средства организации дорожного движения : учеб. пособ. для вузов / Ю.А. Кременец // Транспорт. - М. : 1990.

4. Miller, A:J: Road traffic flow considered as a stochastic process. Proc/ Cambrige Philos. Soc., 58, - 2, 1962.

5. Брайловский, И.О. Проблемы повышения эффективности функционирования транспортных сетей городов: дис… д-ра техн. наук / И.О. Брайловский. - Москва, 1982.

6. Брайловский Н.О. Управление движением транспортных средств / Н.О. Брайловский, Б.И. Грановский. - М. : Транспорт, 1975.

Размещено на Allbest.ru